许多与工业过程控制相关的决策过程都是在人机交互机制下进行的,如控制性能评价与多变量协调控制与操作等。针对目前交互式进化计算方法在解决交互决策过程中普遍存在的局部搜索能力差、过多依赖人的主观偏好以及人难以综合评价多目标或属性等问题,论文提出了人机交互机制下的情感学习和进化的决策方案。构造了一类基于刺激响应机制的人工情感计算模型,给出了人工情感变化与人的决策偏好隶属度函数之间的映射关系；建立了决策偏好的人工情感学习算法,分析了算法的复杂度,并且证明了算法的收敛性；进一步,将情感交互式决策描述为多目标／多属性模糊数学规划问题,基于进化算法不断进化人对决策问题的情感偏好。论文还探讨了所提方法的着色Petri网Agent实现技术,借助Petri网的分析方法,奠定了情感交互式进化决策实现技术的理论基础。论文的主要内容如下：1、在隐马尔可夫链模型(HMM)以及OCC情感计算模型的基础上,融合人工心理领域中的心理应激理念,构造了一类基于刺激响应机制人工情感计算方法的人机情感交互学习模型(STAM),解决了以往情感计算模型无法定量计算连续外界刺激后的情感状态变化,为论文的研究工作奠定了理论基础。2、建立了人的情感决策偏好的数学描述,给出了人工情感变化与决策偏好隶属度函数之间的定量关系,提出了一个基于遗传算法的人机情感决策偏好的交互式学习算法；进行了算法的时间复杂度和空间复杂度分析,并对算法的收敛性能进行了证明。实验结果表明,该学习算法能够帮助计算机逐步掌握决策者的情感偏好规律,在人机交互过程中逐渐减轻人的劳动强度,使得决策过程更加客观合理。3、在处理含冲突目标/属性的交互式决策问题时,决策者的知识水平以及对决策问题的理解程度往往会制约最终决策解的优劣。为此,提出了个进化式的多目标/多属性模糊数学规划的解决方案,它能够不断进化人对目标/属性权重的决策偏好,为多目标/多属性的决策问题提供了一个新的技术方法。4、建立了人机情感交互学习的Agent-BDI模型,使用着色Petri网实现了Agent模型的调度机制。基于着色Petri网分析技术,对Agent模型进行覆盖树分析和CPN-Tools仿真分析,证明了所提Agent模型的正确性,为人机情感交互式决策方法的软件实现提供了方案。5、将所提出的情感交互式决策方法分别应用于过程控制回路的综合性能评价和参数整定以及多变量协调控制与操作这两个过程控制领域中典型的交互决策问题,实验给出了满意的结果。综上所述论文的主要贡献是：提出了一类刺激响应机制下的情感计算模型；建立了情感空间与决策偏好隶属度之间的映射关系,基于遗传算法给出了情感交互学习算法；基于交互式进化计算框架,建立了情感交互进化决策算法；基于着色Petri网构建了情感交互Agent并探讨了对于过程控制工程问题的解决方案。论文创新性地将人工情感计算理论与交互式决策技术相结合,具有跨学科研究特色。